Detalhes bibliográficos
| Ano de defesa: |
2024 |
| Autor(a) principal: |
Exel, Guilherme Sohnlein |
| Orientador(a): |
Moreira, Marcelo J |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
eng |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Link de acesso: |
https://hdl.handle.net/10438/35834
|
Resumo: |
Desde sua concepção em Hansen et al. (1996), o Estimador de GMM de Atualização Contínua (CUE) tem representado um desafio para os métodos de otimização numérica devido à estrutura de sua função objetivo. Mesmo em modelos lineares simples, ela pode apresentar múltiplos mínimos locais e seções planas que frequentemente derrotam tanto os métodos de descida de gradiente quanto os de busca em grade. Esse problema de longa data na literatura foi recentemente resolvido por Moreira et al. (2023). Construindo sobre este resultado, propomos um método alternativo que é simples de implementar e mantém garantias semelhantes de produzir resultados globalmente ótimos. Mostramos como as condições de primeira ordem da função objetivo do CUE podem ser reformuladas na forma de um problema de autovalores e especializadas para casos em que algoritmos eficientes estão disponíveis. |
